第8章 实战拆解台
文档摘要
第8章 实战拆解台 本章要回答的三个问题： 拿到一份陌生数据，前三十分钟的图形化探索按什么顺序走、每一步排除什么风险？ 分类模型的结果（混淆、特征贡献、校准）各自用什么图形表达最诚实？ 时间序列的三大成分（趋势、季节、噪声）怎么用图形拆开验证？ 为什么会有这一章 前七章按图形家族逐个拆零件，本章把零件装回真实工作的三条产线。实战与教学最大的差别是没有已知答案：探索性数据分析（EDA）要在信息荒地里排雷（缺失、偏态、离群、泄漏的类别编码），模型可视化要防止"只展示好看的那一面"，时间序列要区分真趋势与伪装成趋势的噪声。每条产线都有自己的标准动作序列，这些序列比任何单个函数更值得记。 本章所有案例都遵循统一的展开格式：背景、操作、结果、解读、变式——这也是全书的拆解台格式在案例层的落点。
第8章 实战拆解台
本章要回答的三个问题：
- 拿到一份陌生数据，前三十分钟的图形化探索按什么顺序走、每一步排除什么风险？
- 分类模型的结果（混淆、特征贡献、校准）各自用什么图形表达最诚实？
- 时间序列的三大成分（趋势、季节、噪声）怎么用图形拆开验证？
为什么会有这一章
前七章按图形家族逐个拆零件，本章把零件装回真实工作的三条产线。实战与教学最大的差别是没有已知答案：探索性数据分析（EDA）要在信息荒地里排雷（缺失、偏态、离群、泄漏的类别编码），模型可视化要防止"只展示好看的那一面"，时间序列要区分真趋势与伪装成趋势的噪声。每条产线都有自己的标准动作序列，这些序列比任何单个函数更值得记。
本章所有案例都遵循统一的展开格式：背景、操作、结果、解读、变式——这也是全书的拆解台格式在案例层的落点。
读完能解决什么
- 能按"结构、单变量、关系、组间"四步完成一次 EDA，并写出发现清单；
- 能用热力图、条形图、散点组合诚实表达分类模型的混淆与贡献；
- 能画时间序列的趋势线、季节分解与异常标注，并解释每层的统计含义；
- 能把第 1 章的四层拆解法用在陌生数据集上反推绘图方案。
各节怎么分工
| 节 | 回答哪个问题 | 关键产出 |
|---|---|---|
| 8.1 EDA 完整案例 | 问题一 | 四步流程成图清单、缺失排查、辛普森复查 |
| 8.2 机器学习结果可视化 | 问题二 | 混淆热图、系数条形、预测与残差双联图 |
| 8.3 时间序列可视化 | 问题三 | 聚合折线、月度形态分面、异常窗口标注 |
常见疑问预答
问：四步流程每步该画几张图？ 结构步一张缺失热图加一份类型清单；单变量步每个关键数值列一张；关系步一张相关热图加两三张目标散点；组间步按候选假设画两到四张分面。全程控制在十五张以内——图多不是勤奋，是没舍得扔，EDA 的产出是发现清单不是图库；复盘时按四步归档，每张图配一行发现，下次同类数据直接从这份档案起跑。
问：模型可视化和模型评估是什么关系？ 评估给分数，可视化给方向。混淆矩阵暴露错在哪个方向，系数条形暴露模型在依赖谁，残差图暴露假设哪里破了——分数及格但方向错掉的模型，只有图形层能拦住。
问：时间序列为什么先画聚合线？ 原始高频线会淹没一切结构。先聚合到日或周看趋势与季节，再分面下钻回原始粒度定位异常窗口——从粗到细，每层只回答一个问题，层与层之间的跳转理由就是分析叙事本身；这也解释了为什么时间序列的图常常成组出现，一张答不了问题的图套再多面板也没用。
先决条件
- 前七章的全部主要内容，尤其是第 2 章分布、第 4 章分类比较、第 5 章相关热图；
- 8.2 节用 sklearn 训练一个逻辑回归（第 7.4 节已给过流程模板）；
- 每节代码可直接运行，数据全部来自内置数据集。
本章可考核知识点
- 能按结构、单变量、关系、组间四步完成一次 EDA 并写出发现清单；
- 能用缺失热图识别缺口模式，并判断哪些列应弃用、哪些应填补加指示列；
- 能画混淆矩阵并从错误格读出方向性偏差（假阴性与假阳性的不对称代价）；
- 能用系数条形图表达特征贡献方向，并注明标准化前提；
- 能对时间序列执行趋势、季节、异常三层拆解，并用对数轴诊断乘性结构。
往下走到哪
三条产线跑通后，Seaborn 的能力边界也该摊开讲了：性能天花板在哪、什么需求该换库、版本演进的方向。第 9 章收束全书，给你一张"何时用、何时走"的决策底牌。